tensorflow学习笔记（三）常用函数

上一篇简单介绍了tensorflow的基本操作，这一篇介绍一些常用的函数。

• tf.constant()

  tf.constant ( 
      value ,           
      dtype = None , 
      shape = None , 
      name = 'Const' , 
      verify_shape = False 
  )　　

  value：类型是dtype的常量值（常用）
  dtype：张量元素的类型
  shape：张量的形状
  name：张量的可选名称
  verify_shape：布尔值可以验证数值的形状（不常用）
  返回：常数张量
  
  用来创建常数张量，value和shape一般不一块使用。
  

  t_1 = tf.constant([1, 2, 3, 4])  # 返回张量[1, 2, 3, 4]
  t_2 = tf.constant(-1, shape=[2,3])  # 返回张量[[-1,-1,-1], [-1,-1,-1]]

• tf.Variable()

  定义变量
  

  v_1 = tf.Variable([0, 0, 0])

• tf.eye()

  创建tensorflow单位矩阵

  tf.eye(
      num_rows,
      num_columns=None,
      batch_shape=None,
      dtype=tf.float32,
      name=None
  )
  

  num_rows：单位矩阵行数
  num_colums：单位矩阵的列数，默认等于行数
  batch_shape：如果提供,返回的张量将具有该形状的主要批次维度
  返回：一定形状的单位阵

  tf.eye(2)
  >>[[1, 0],
     [0, 1]]
  
  tf.eye(2, 3)
  >>[[1, 0, 0], 
     [0, 1, 0]]
  

   

 

• tf.zeros()创建一定形状的零矩阵

  tf.zeros(
      shape,
      dtype=tf.float32,
      name=None
  )
  

  shape：矩阵的形状
  返回：元素全零张量

• tf.shape([2, 3])
  >>[[0, 0, 0],
     [0, 0, 0]]
  

   

• tf.zeros_like()

  创建与某个张量形状一样的全零张量
  

  tf.zeros_like(
      tensor,
      dtype=None,
      name=None,
      optimize=True
  )
  

  tensor：一个tf 张量，会创建与这个张量形状一样的全零张量
  optimize：如果为true,则尝试静态确定“张量”的形状并将其编码为常量
  返回：元素全零张量

  tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
  tf.zeros_like(tensor)  # [[0, 0, 0], [0, 0, 0]]，与tensor的形状相同
  

   

• tf.ones()

  创建元素是全是1的张量
  

  tf.ones(
      shape,
      dtype=tf.float32,
      name=None
  )
  

   

• tf.ones_like()

  创建与某个张量形状相同的全1张量，参数与 zeres_like() 相同
  

  ones_like(
      tensor,
      dtype=None,
      name=None,
      optimize=True
  )
  

   

• tf.linspace() / tf.lin_space() 

  两个函数相同，只是个别名，创建在一定范围内从初值到终值等差分布的数列的n个数
  

  lin_space(
      start,
      stop,
      num,
      name=None
  )
  

  start：范围的开始值，必须是以下类型之一：float32,float64
  stop：范围的结束值，必须和start类型相同
  num：数的个数
  返回：一个等差排列的张量

  tf.linspace(10.0, 12.0, 3, name="linspace") => [ 10.0  11.0  12.0]
  

   

• tf.range()

  创建从a到b的增量是n的等差数列，不包括b，默认a是0，默认n是1
  

  tf.range(limit, delta=1, dtype=None, name='range')
  tf.range(start, limit, delta=1, dtype=None, name='range')
  

  参数两种形式，如果没给start 只给limit，默认是start0；如果给了start 和limit ，就创建从start到limit的等差数列。增量默认是1。
  返回一维张量。

  tf.range(3)  => [0, 1, 2]
  tf.range(1, 5)   => [1, 2, 3, 4]
  tf.range(3, 18, 3)    => [3, 6, 9, 12, 15]